检索结果-南通市图书馆

先验知识引导与数据驱动的光谱超分辨率方法研究

在线全文

学校读者我要写书评

暂无评论

先验知识引导与数据驱动的光谱超分辨率方法研究

作者：单天赐湖南大学

学位级别：硕士

高光谱图像通常含有成百上千个波段,拥有着丰富的光谱信息,相比较于自然RGB图像,能够更好地实现对场景目标精细识别和分类,被广泛应用于资源调查、地质勘探、军事侦察等国家重大战略领域。然而,受成像机理限制,高光谱图像的空间分辨率... 详细信息

高光谱图像通常含有成百上千个波段,拥有着丰富的光谱信息,相比较于自然RGB图像,能够更好地实现对场景目标精细识别和分类,被广泛应用于资源调查、地质勘探、军事侦察等国家重大战略领域。然而,受成像机理限制,高光谱图像的空间分辨率与光谱分辨率相互制约,难以直接获得高空间分辨率高光谱图像。此外,传统高光谱成像设备价格较为昂贵,体积大且成像速度慢,限制了高光谱图像在实际工程任务中的应用范围。而RGB图像获取速度快且成本低,相比较于高光谱图像,时间、空间分辨率较高,因此,通过RGB图像重建高空间分辨率高光谱图像成为了高光谱计算成像领域的研究热点。当前基于深度学习的RGB光谱超分辨率方法取得了一定的进展,但这些方法没有充分利用高光谱图像的先验知识以及成像机理。鉴于此,本文提出了先验知识引导与数据驱动的光谱超分辨率方法,主要工作和创新点如下:(1)针对单一维度信息难以精确重构出高光谱图像复杂空谱结构问题,本文提出了一种空谱频多域特征融合的光谱超分辨率方法。该方法首次将频域信息引入到光谱超分辨率中,构建了空谱频多域特征融合框架,设计了基于对称卷积神经网络的空谱特征提取结构,实现了目标光谱的高保真重构。此外,应用参数共享策略有效降低模型参数量,提出多特征融合双注意力模块精确提取图像局部特征。实验结果表明,相比其他对比方法,所提方法能够显著提高光谱重建精度。(2)针对单一RGB图像光谱信息较少、纯深度学习方法缺少物理可解释性的问题,本文提出了一种基于模型引导的双RGB光谱超分辨率方法。该方法通过一个窄带通高透滤光片实现了同一场景不同光谱信息RGB图像的获取,通过对两个不同RGB图像融合获得更高精度高光谱图像。此外,基于成像模型,将超分辨率问题转化为最优化问题去求解,通过近端梯度下降算法迭代求解得到最终高光谱图像。同时,借助卷积神经网络的学习能力去更好的表征图像先验与自适应的修改参数。实验结果表明,所提方法不仅参数量少、超分速度快,且多项客观评价指标优于对比方法。(3)光谱超分辨率软件设计与应用实例。针对提出的超分辨率方法,基于Py Qt5设计了一款快速高光谱成像软件,包含光谱超分辨率成像与光谱分析等功能,并使用实验室研制的相机进行相关验证与测试。

关键词：光谱超分辨率频域注意力机制对称卷积神经网络成像模型

基于双重注意力机制的RGB成像光谱重建方法研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

光谱学与光谱分析 2023年第9期43卷 2687-2693页

作者：孙帮勇喻梦莹姚其西安理工大学印刷包装与数字媒体学院陕西西安710054 复旦大学工程与应用技术研究院上海200433

光谱图像比RGB图像存储的信息量更大,理论上具有更广泛的应用范围,然而受限于光谱成像设备成本高、数据处理复杂等问题,目前主要应用在遥感、军事及天文学等特定领域。近年来,学者们提出了利用RGB图像通过数学方法重建光谱图像的解决方... 详细信息

光谱图像比RGB图像存储的信息量更大,理论上具有更广泛的应用范围,然而受限于光谱成像设备成本高、数据处理复杂等问题,目前主要应用在遥感、军事及天文学等特定领域。近年来,学者们提出了利用RGB图像通过数学方法重建光谱图像的解决方案,能够极大提高光谱图像的应用范围。然而,当前光谱重建方法普遍存在图像细节易丢失、光谱精度不够高等问题,因此,提出一种基于双重注意力机制的RGB图像光谱重建方法,从图像细节和光谱精度方面提高光谱图像重建质量。所提出的光谱重建方法设计了一种稀疏信号深度重建网络,重点针对RGB图像的稀疏特性,从准确提取图像信息的多层次特征、挖掘更多语义信息入手,实现稀疏信号到完备信号重建。在网络结构上,所设计的光谱重建网络首先利用小参数卷积提取RGB图像的浅层特征信息;然后引入有效多频率通道注意力机制,计算特征层各通道之间的相关性,通过层间加权实现特征响应的有效分配;同时建立层特征加权融合注意力机制,学习不同层特征之间的依赖关系,通过不同层加权实现权重的优化,以便提取有效的光谱深度特征;最后基于所提取的深度特征通过卷积生成指定维度的光谱图像。该实验利用python3.7编程语言,以pytorch1.2作为深度学习模型框架,综合光谱图像误差和RGB图像误差作为损失函数进行光谱重建网络的训练。在NTIRE 2020和CAVE数据集上,对所提方法与7种主流光谱重建方法进行对比验证,从主观方面来看,该方法恢复的光谱图像细节更清晰、误差更小;从客观指标方面分析,该方法重建出的光谱图像与目前已有文献中重建性能较好的方法相比,在R RMSE、R SAM、R ERGAS指标上分别降低了18.9%、16.6%、22.2%,而R PSNR指标提高了4.5%。实验结果证明了该方法在RGB图像光谱重建的有效性。

关键词：光谱重建高光谱成像注意力机制光谱超分辨率

基于光谱库优化学习的光谱超分与分类精度提升

在线全文

学校读者我要写书评

暂无评论

遥感学报 2023年第11期27卷 2530-2540页

作者：韩晓琳张欢孙卫东清华大学电子工程系北京100084

光谱库优化学习是将光谱库中的光谱数据作为训练样本,在严格理论推导下构建字典优化学习过程。基于光谱库优化学习,本研究提出了一种光谱超分辨率重建方法,该方法在稀疏表示框架下,通过波段匹配,将光谱库映射为与待重建高光谱图像波段... 详细信息

光谱库优化学习是将光谱库中的光谱数据作为训练样本,在严格理论推导下构建字典优化学习过程。基于光谱库优化学习,本研究提出了一种光谱超分辨率重建方法,该方法在稀疏表示框架下,通过波段匹配,将光谱库映射为与待重建高光谱图像波段相对应的特定光谱库;并利用映射后的特定光谱库与高分多光谱图像,从理论上推导、并构建基于ADMM算法的光谱字典与稀疏系数优化学习过程。多种数据集上的对比分析表明,即使仅使用一幅高分多光谱图像,本研究方法仍能恢复重建出高质量的高分高光谱图像,同时光谱超分辨率重建后的高分高光谱图像可显著提升地物分类精度。结果表明,本研究实现了仅由一幅高分多光谱图像到高分高光谱图像的高质量光谱超分辨率重建。

关键词：光谱超分辨率光谱库稀疏表示优化学习地物分类

一种用于预测航空遥感影像光谱信息的深度学习方法

在线全文

学校读者我要写书评

暂无评论

遥感信息 2022年第6期37卷 123-129页

作者：郝明达普运伟周家厚杨洋陈如俊昆明理工大学国土资源工程学院昆明650093 昆明理工大学计算中心昆明650500

为从航空RGB遥感影像中预测高光谱影像中有用的地物属性信息,提高航空RGB遥感影像光谱的分辨率,提出一种轻量型的深度学习网络模型。所提模型组合了密集卷积神经网络架构和自适应注意力机制的优点,构建了一种新型密集注意力卷积神经网... 详细信息

为从航空RGB遥感影像中预测高光谱影像中有用的地物属性信息,提高航空RGB遥感影像光谱的分辨率,提出一种轻量型的深度学习网络模型。所提模型组合了密集卷积神经网络架构和自适应注意力机制的优点,构建了一种新型密集注意力卷积神经网络模型(dense attention convolutional neural network model,DACNN model)。在真实的多模态AeroRIT场景影像和同源的雄安航空遥感影像上的多种定量对比实验结果表明,所提出的网络架构可以生成与原始高光谱遥感影像相似的空间特征和光谱特征,并且所需参数量显著降低,具有较好的性能和适用性,且所提模型架构方法具有一定的通用性。

关键词：高光谱遥感重建光谱超分辨率深度学习自适应注意力机制密集卷积神经网络

在线全文

学校读者我要写书评

暂无评论

彩色视频到高光谱视频的深度学习重建

彩色视频到高光谱视频的深度学习重建

作者：李慧群中国科学技术大学

学位级别：硕士

高光谱成像技术通过观测场景下拥有几十上百个相邻窄波段的图像或视频,获得丰富的时间、空间和光谱信息。通过对高光谱数据进行校正和分析,我们可以对场景中每个像元构建一条连续的光谱曲线,应用于矿藏勘探、物体检测、医药科学、环境... 详细信息

高光谱成像技术通过观测场景下拥有几十上百个相邻窄波段的图像或视频,获得丰富的时间、空间和光谱信息。通过对高光谱数据进行校正和分析,我们可以对场景中每个像元构建一条连续的光谱曲线,应用于矿藏勘探、物体检测、医药科学、环境监测、军事追踪等领域。因为高光谱成像需要获取大量窄波段光谱数据,实时高空间分辨率的高光谱数据是一个研究难点。由于彩色视频可以看做高光谱视频在光谱维的积分,二者有十分相似的空间纹理和较强的光谱相关性,且现有彩色相机可轻易获取高空间分辨率以及高帧率彩色视频,所以从彩色视频重建高光谱视频是一个理论上可行且实用的方案。此外,实际生产应用中,为减轻存储和传输负担,我们获取的彩色视频往往是未知量化参数量化后的压缩视频。因为量化参数不同的彩色视频的质量存在明显差异,所以对压缩后的彩色视频进行分析,化未知量化参数为已知,成为自适应地重建高光谱视频的研究关键点。本文旨在用深度学习的方法从彩色视频重建高光谱视频。围绕着这一核心,研究内容分为基于未压缩的彩色视频和压缩后彩色视频重建高光谱视频两方面,利用彩色视频与高光谱视频之间的空间和光谱相似性,以及彩色视频多帧之间的信息冗余,学习彩色视频到高光谱视频的映射关系。具体来说,本文的主要工作和创新之处可以总结为:1.将未压缩彩色视频重建高光谱视频的问题换为对未压缩彩色视频进行光谱超分辨率。通过构建基于多尺度图像金字塔的运动补偿网络,我们首先对多帧彩色图进行对齐,然后送入基于残差网络的全卷积网络进行信息融合和光谱超分辨率,得到重建的高光谱视频。与现有的其他方法相比,本文的高光谱重建方法有效利用了帧间相关性,可以显著提升高光谱重建结果的主客观质量,并且速度很快。2.针对未知量化参数的压缩后彩色视频重建高光谱视频的问题,我们首先提出新颖的量化参数判别模块对视频的量化参数进行判断,并且对多帧彩色图进行基于特征金字塔的运动补偿。然后将量化参数信息和对齐后的多帧图片一起送入多帧融合的高光谱重建单模型框架,根据量化参数的判断结果,对不同质量的视频进行自适应处理和光谱超分辨率。因此占用较少的计算和存储资源。测试集上的实验结果显示,在多种不同的量化参数下本方法都具备良好的光谱重建效果。

关键词：高光谱视频彩色视频深度学习光谱重建光谱超分辨率

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

RGB图像到高光谱图像的深度学习重建

RGB图像到高光谱图像的深度学习重建

作者：喻梦莹西安理工大学

学位级别：硕士

高光谱图像(Hyperspectral Image,HSI)比传统的RGB图像蕴含更加细致的光谱信息,常被用于军事遥感、智能检测以及医疗诊断等挑战性领域。然而,高光谱成像设备笨重复杂且十分昂贵,导致应用范围有限。近年来,随着人工智能与图像处理技术的... 详细信息

高光谱图像(Hyperspectral Image,HSI)比传统的RGB图像蕴含更加细致的光谱信息,常被用于军事遥感、智能检测以及医疗诊断等挑战性领域。然而,高光谱成像设备笨重复杂且十分昂贵,导致应用范围有限。近年来,随着人工智能与图像处理技术的发展,通过RGB图像光谱重建的方法实现低成本且快速地获取高光谱图像已经成为研究热点。目前,基于深度学习的RGB图像光谱重建已经取得了一定的研究成果,但是由于三通道RGB图像重建高维光谱数据是一个病态的数学逆问题,导致其求解难度依然存在,而重构出来的光谱图像仍面临着结构细节丢失、光谱重建精度不高等问题。因此,如何通过RGB图像准确推断出缺失的光谱信息从而进行高质量的光谱重建仍然具有重要的研究意义。为了有效降低光谱重构误差,从而实现真正意义上的高高量光谱重建,本文在“Clean”和“RealWorld”两种不同的场景中提出了两种基于深度学习的端对端网络模型去学习RGB图像和相对应高光谱图像之间三对多的映射关系,主要工作如下:(1)在“Clean”场景中,针对目前RGB图像光谱重建任务中在特征提取和融合方法两个方面存在的问题,本文提出一种基于双重注意力机制的RGB成像光谱重建算法。该算法先通过卷积从输入图像中提取浅层信息,然后利用有效多频率通道注意力机制,计算特征层各通道之间的相关性;其次引入层特征加权融合注意力机制,学习不同层特征之间的依赖关系;最后将有效多频率通道注意力和层特征加权融合注意力提取的特征生成31通道的光谱图像。在NTIRE 2020、CAVE以及TokyoTech数据集对所提算法进行实验验证,实验结果显示所提算法在主观和客观指标方面都具有先进性。(2)在“RealWorld”场景中,针对目前基于卷积神经网络(Convolutional Meural Network,CNN)的RGB图像光谱重建算法在提取特征信息时,常采取加深网络的方式去扩大感受野进而提取图像深层次特征信息,忽视了过深网络有可能引起的网络退化问题以及卷积难以有效感知全局特征信息的问题,本文提出了一种基于CNN和Transformer融合的光谱重建算法.该算法设计了一个CNN和Transformer并行的结构,利用Transformer 弥补CNN在全局交互方面的弊端,同时通过CNN弥补Transformer在局部处理方面的缺陷,并结合融合模块将CNN和Transformer提取到的特征信息进行双向传递,从而最大化地保留图像在局部和全局之间的相关性,使网络同时拥有局部和全局的建模能力,进而提升网络模型的性能以及光谱重建的准确率。此外,将该算法与七种RGB图像光谱重建算法在四种评价指标上通过实验进行对比,实验结果表明,所提算法重构出的光谱误差更小,光谱重建精度更高。

关键词：光谱重建光谱超分辨率深度学习注意力机制

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

光谱分析与光谱测量

中国光学 1996年第5期10卷 11-14页

O433.1 96052877用相位共轭光谱法测量K原子的超精细结构=Measurementof hyperfine structure fo K atomsby phase conjugate spectrometry[刊,中]/张为俊,高晓明,韩亚农,张军毅,周金运,季明,王沛,阎逢旗,夏宇兴（中科院安徽光机所.安徽,合肥（230031））∥量子电子学.—1996,13（1）.—93利用激光相位共轭光谱装置,进行了39K原子的超精细结构的初步研究,测量了超精细分裂。

关键词：超精细结构同时测定光谱实验室光谱测量光谱超分辨率中科院光谱法测定化学系超精细分裂等离子体原子发射光谱法